基于粒子群算法的移动机器人路径规划研究

《基于粒子群算法的移动机器人路径规划研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学硕士论文摘要粒子群优化算法是一种进化计算技术，同遗传算法类似，也是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值，粒子在解空间追随最优的粒子进行搜索。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。显示出粒子群算法在求解复杂问题方面的优越性。文中详细阐述了粒子群算法的产生和发展历程，介绍了粒子群算法的生物学机理、拓扑结构，以及标准粒子群算法。针对标准粒子群算法的一些缺点，列举了一些典型的粒子群算法的改进算法，并对其在各个领域中的应用做了简要的叙述。同时综述了机器人的起源与发展历程，展望了

2、未来机器人的发展方向——智能机器人。智能机器人中最重要的一个研究课题是移动机器人的路径规划，在文中详细地说明了移动机器人路径规划的一般概念、特点、分类及其进行路径规划的一些基本问题以及几种常见的路径规划方法。本文结合移动机器人路径规划的特点，提出了基于粒子群算法的移动机器人全局最优路径规划方法。文中，我们对标准粒子群算法进行了改进，在线性改变惯性权重的同时，将一些无效的粒子重新初始化为有效的随机粒子，这样做有助于扩大搜索范围，防止算法陷入局部最优解。基于粒子群算法的移动机器人全局最优路径规划方法分为二步：第一步是利用网格法建立移动机器人的自由空间

3、模型，第二步是采用改进的粒子群算法为机器人搜索出一条全局最优路径。我们已经对所提出的算法进行了计算机仿真，通过结果对比，证实了本文所提出的方法无论是在收敛速度，还是在动态收敛特征方面都比基于标准粒子群算法、带压缩因子粒子群算法、以及惯性权重粒子群算法的移动机器人全局路径规划方法更好。关键宇：移动机器人，粒子群算法，路径规划，网格法中南大学硕士论文ABSllU正TParticleSwarmOptimization(PS0)iSakindofnoveltyevolutionalgodthm．SimilartoGeneticAlgorithms(GAs

4、)，PSOalsoisapopulmionbasedoptimizationt001．Thesystemisinitializedwithapopulationofrandomsolutionsandsearchesforoptimabyup,htmggenerations．PSOhasbeensuccessfullyappliedinmanyareas"functionoptimization,artificialneuralnetworktraining,fuzzysystemcontrol，andotherareas．Itssuperior

5、ityinsolvingcomplexproblemhasbeenmanifested．TheoriginandthedevelopmentofParticleSwarmOptimizationareoutlinedinthispaper．111eprincipal．thetopologicconfiguration,thestandardParticleSwarmOptimizationarepresented．Meanwhile，someclassicalimprovedParticleSwarmOptimizationtomakeupfor

6、theshortcomingsofstandardParticleSwarmOptimizationanditswidespreadapplicationshavebeenintroduced．TheoriginandthedevelopmentofmobilerobotarealsooutlinedinthisPaper．1kmobilerobot’Sprospectaspectinthefuture--intelligentrobothasbeenpresented．弛epathplanningformobilerobotsisthemost

7、importantaspectofintelligentrobot．negeneralconceptions，characteristic，classifybasedissueandsomefamiliarmethodsofpathplanningarepresented．OnthebasisofParticleSwarmOptimization，accordingtothecharacteristicsofthepathplanningofmobilerobotsinthestaticenvironment,anewmethodWaspropo

8、sed．1mestandardParticleSwarmOptimizationhasbeenimproved．InertiaWeigh